Inizio della pagina -
Logo DISCO
|
Visita la Versione ad elevata leggibilità
|
Vai al Contenuto della pagina
|
Vai alla Fine dei contenuti
|
Vai al Menu Principale
|
Vai alla Barra di navigazione (sei in)
|
Vai al Menu di navigazione (albero)
|
Vai alla Lista dei comandi
|
Vai alla Lista degli approfondimenti
|
Vai al Menu inferiore
|
Logo Ateneo
   
Didattica
Modelli e sistemi

Docente responsabile: P. Bonizzoni

 

Crediti: 12 CFU

 

Obiettivi formativi

Il corso introduce  modelli e metodologie per  l’analisi e rappresentazione di sistemi naturali o artificiali, capaci di un comportamento intelligente (es. sistemi biologici, finanziari e ambienti per l’intelligenza artificiale). Vengono studiati i principali metodi della intelligenza artificiale, tecniche algoritmiche per la soluzione di problemi complessi e tecniche per la   modellazione e soluzione di problemi di decisione.

Lo studente sarà in grado di rappresentare sistemi complessi mediante l’integrazione di differenti metodologie apprese  al fine poi di disegnare applicativi per la soluzione di problemi che si presentano in questi sistemi.

 

Modulo Rappresentazione della conoscenza  (4 CFU)

 

Obiettivi:

Il modulo fornisce strumenti ed elementi fondativi concettuali, formali e computazionali per la Rappresentazione della Conoscenza e per lo sviluppo di relativi modelli e sistemi.

Verranno introdotti argomenti di base come FOL (first order logic) per consolidare le competenze sui linguaggi logico-formali, enfatizzando le rilevanza nello sviluppo di applicazioni informatiche. Queste nozioni saranno consolidate mediante l’approfondimento della rappresentazione basata su Ontologie, di grande rilevanza per molte discipline computazionali e applicazioni, tra cui le tecnologie del Semantic Web, che verranno enfatizzate come ambito di studio applicativo.

 

Programma:

- Introduzione alla Rappresentazione della Conoscenza:

strumenti concettuali, formali, computazionali e metodologici; aree di ricerca e attuali implicazioni applicative.

- Nozioni base: Linguaggi logico formali: Sintassi, Semantica e Ragionamento

dalla rappresentazione dell’informazione alla rappresentazione della conoscenza (esempi di rappresentazioni in diversi data model)

- Logica proposizionale: Linguaggio, Conseguenza Logica, Calcolo e Decidibilità

introduzione alla rappresentazione mediante proposizioni; ragionamento automatico

- Logica dei Predicati: Linguaggio, Conseguenza Logica, Calcolo e Decidibilità

relazione tra strutture note e interpretazione in termini di First Order Logics

- Esercitazioni per rappresentare e manipolare conoscenza con strumenti logici

- Limiti della logica dei predicati: espressività, trattabilità

panorama su differenti tipi di logiche; struttura teorica e necessità pratiche; trattamento dell'incertezza e non monotonia, necessità di sottoinsiemi trattabili, web compliance

Rappresentare, condividere e integrare la conoscenza

- Ontologie come modelli formali, concettuali e computazionali:

introduzione alla trasversalità delle strutture ontologiche; principi e vantaggi classificatori; ragionamenti su schemi ontologici

- Rappresentazione di conoscenze ontologiche: strutture e relazioni

linguaggi di rappresentazione per ontologie; casi di studio ed esempi applicativi

- Description Logics & Reasoning:

ragionamento automatico standard nelle ontologie: sussunzione, coerenza, classificazione

- Semantic Web technologies: introduzione e applicazioni basate su ontologie:

panoramica sulla ricerca e sulle implicazioni metodologiche e applicative con esempi e casi

- Axiomatic Web Ontologies: OWL & Description Logics

costrutti complessi per rappresentare vincoli complessi e supportare meccanismi di ragionamento sofisticati

- Rappresentare e interrogare la conoscenza sul Web

Semantic Web technologies, RDFS and OWL; RDF data model e semantica del query answering; SPARQL

- Tools & Applications

tecnologie disponibili per costruire ontologie e KB semantiche; accesso e reasoning mediante strumenti Web

- Esercitazioni - Semantic Web technologies and tools

esercizi di rappresentazione di requirements mediante DL/OWL

- Semantic Web Languages e l'integrazione di informazioni

integrazione delle informazioni come elemento per illustrare la rilevanza del trattamento semantico delle informazioni; semantica tipica in un architettura di data integration

- Ragionamento mediante motori a regole

paradigma delle regole per il ragionamento automatico; ontologie e KB semantiche; accesso e reasoning

 

 

 Modulo Disegno ed Analisi di Algoritmi (4 CFU)

 

Obiettivi:

Il modulo fornisce allo studente le principali conoscenze dei  metodi algoritmici utilizzati in applicazioni moderne per la soluzione di problemi applicativi in sistemi intelligenti e complessi  (es.   sistemi biologici, il WEB).

 

Programma:

- Metodi algoritmici basati su strutture combinatorie quali grafi, alberi e sequenze.  

- Tecniche moderne di disegno di algoritmi per risolvere problemi intrattabili, quali algoritmi di approssimazione,  algoritmi probabilistici e randomizzati e loro applicazioni.

- Applicazioni di algoritmi  per l’indicizzazione e la ricerca  di documenti, algoritmi per il WEB:

a) algoritmi per  la clusterizzazione di dati, la compressione dei dati, strutture dati di indicizzazione: trie, suffix tree e suffix array,

b) algoritmi per motori di ricerca.

 

 

Modulo Sistemi di supporto alle decisioni  (4 CFU)

 

Obiettivi:

Il modulo introduce all'utilizzo di metodi e sistemi di supporto alla decisione, al fine fornire agli studenti gli strumenti per affrontare problemi decisionali complessi. A tal fine verranno presentate le caratteristiche principali di un sistema di supporto alle decisioni, ponendo particolare enfasi sui modelli decisionali in condizioni di incertezza. In particolare verranno considerati modelli grafico probabilistici (es. reti bayesiane, alberi di decisione) e markov decision models. Si presenteranno

quindi i metodi per l'apprendimento di tali modelli e per il loro raffinamento dinamico basato sull'interazione con l'ambiente.

 

Programma:

- Introduzione

- Sistemi di Supporto alle decisioni "Model - Driven"

- Sistemi di Supporto alle decisioni "Data - Driven"

- Rappresentazione dell'incertezza nei Sistemi di Supporto alle decisioni

- Reinforcement Learning

- Modelli di Decisione Markoviani

- Giochi basati su modelli di decisioni Markoviani

- Modelli di Decisione Markoviani solo parzialmente osservabili

- Applicazioni

 

 

Modalità di esame

L'esame consiste di una prova scritta su problematiche tecniche specifiche e in una discussione orale su un progetto impostato autonomamente dallo studente.

 

 

 

 

Approfondimenti

Google Translate
Translate to English Translate to French Translate to German Translate to Spanish Translate to Chinese Translate to Portuguese Translate to Arabic
Translate to Albanian Translate to Bulgarian Translate to Croatian Translate to Czech Translate to Danish Translate to Dutch Translate to Finnish Translate to Greek Translate to Hindi
Translate to Hungarian Translate to Irish Translate to Japanese Translate to Korean Translate to Norwegian Translate to Polish Translate to Romanian Translate to Russian Translate to Serbian
Translate to Slovenian Translate to Swedish Translate to Thai Translate to Turkish

(C) Copyright 2016 - Dipartimento Informatica Sistemistica e Comunicazione - Viale Sarca, 336
20126 Milano - Edificio U14
redazioneweb@disco.unimib.it - ultimo aggiornamento di questa pagina 28/03/2011